Nouă platformă AI pentru monitorizarea răspunsurilor la tratamentele cancerigene în organele tumorale
Cercetătorii de la UCLA Health Jonsson Comprehensive Cancer Center au dezvoltat o nouă platformă care combină bioprintarea 3D, imagistica avansată și inteligența artificială pentru a monitoriza mai eficient răspunsul cancerului la tratament.
Această tehnologie ar putea ajuta cercetătorii să identifice mai rapid terapiile promițătoare pentru cancer și să testeze tratamentele pe celulele tumorale ale pacienților, facilitând decizii de tratament mai personalizate.
Descrisă în revista Nature Protocols, abordarea utilizează celule canceroase de la pacienți pentru a crea replici mici, cultivate în laborator, ale tumorilor, cunoscute sub numele de organoide, și monitorizează continuu răspunsul lor la diferite medicamente. Inteligența artificială analizează apoi datele rezultate, ajutând oamenii de știință să evalueze sute de terapii potențiale simultan pentru a descoperi modele în răspunsurile la medicamente care ar putea informa strategiile de tratament pentru cancerele cu opțiuni terapeutice limitate.
Organoidele tumorale au devenit instrumente puternice pentru cercetarea cancerului, deoarece acestea seamănă mai mult cu tumorile pacienților decât modelele tradiționale de laborator. Totuși, multe dintre sistemele actuale întâmpină dificultăți în combinarea acurateței biologice cu viteza, consistența și scala necesare pentru studii mai mari sau utilizare clinică. Această cercetare abordează această provocare, creând o platformă capabilă să genereze și să analizeze un număr mare de organoide tumorale derivate de la pacienți, capturând detalii despre cum răspund acestea la tratament.
Cercetătorii au dezvoltat un flux de lucru unificat care utilizează bioprintarea prin extrudare pentru a genera organoide tumorale tridimensionale încorporate în structuri de matrice extracelulară, concepute pentru formate multiwell de înaltă capacitate. Aceste organoide au fost monitorizate continuu folosind imagistica de fază cantitativă fără marcaje, care urmărește modificările biomasei și dinamica creșterii pentru a măsura fitnessul tumorii pe parcursul timpului. Abordarea nu necesită coloranți sau teste distrugătoare, care pot altera comportamentul celular și limita durata de observare a celulelor.
Pentru a analiza seturile de date rezultate, platforma încorporează reconstrucția automată a imaginilor, segmentarea bazată pe învățare profundă și urmărirea bazată pe învățare automată a răspunsurilor individuale ale organoidelor la terapie. Aceasta permite cercetătorilor să cuantifice răspunsurile la medicamente la nivelul fiecărei organoide, în mii de probe, oferind o imagine detaliată a heterogenității tumorale și a diferențelor în modul în care tumorile răspund la terapii.
Platforma a reușit să măsoare cum au răspuns organoidele tumorale la tratamentul medicamentos de-a lungul timpului, atât în linii celulare canceroase stabilite, cât și într-un eșantion de tumoră derivat de la un pacient. Imagistica avansată a permis cercetătorilor să monitorizeze continuu modificările de creștere ale organoidelor în răspuns la o gamă de medicamente, iar inteligența artificială a ajutat la analiza unor cantități mari de date și la urmărirea răspunsurilor la nivelul organoidelor individuale.
„În loc să întrebăm dacă un medicament funcționează în medie pentru un număr mare de celule tumorale, acum putem determina care organoide specifice răspund și care nu, având, în cele din urmă, o abordare pentru a determina motivele fundamentale pentru profilele unice de răspuns”, a spus Dr. Michael Teitell. „Aceasta ne permite să măsurăm răspunsurile la medicamente în mii de organoide individuale, să detectăm populații tumorale rezistente rare, să urmărim creșterea și răspunsurile la tratament în timp și să prezicem mai bine care terapii ar putea funcționa pentru un anumit pacient.”
Această tehnologie deschide calea pentru o abordare prin care medicii ar putea testa medicamentele pentru cancer pe celulele tumorale proprii ale pacienților înainte de începerea tratamentului. Prin ajutarea cercetătorilor în identificarea terapiilor cele mai probabil eficiente pentru o anumită tumoră, metoda ar putea susține decizii de tratament mai personalizate, în special pentru pacienții cu cancere rare și greu de tratat.
Studiul a fost coordonat de Dr. Michael Teitell și Alice Soragni. Autor principal este Bowen Wang. Alți autori includ Peyton Tebon, Thang Nguyen, Sara Sartini, Graeme Murray, Daniel Guest și Jason Reed.
Lucrările au fost finanțate parțial prin granturi de la Air Force Office of Scientific Research, Department of Defense, National Science Foundation și National Institutes of Health.
